Det store AI-skillet: Inferensutgifter overgår trening

Inferens vs. trening: Tallene

Gartners rapport fra august 2026 viser følgende prognoser for AI-optimalisert skyinfrastruktur:

• 2026: Inferensarbeidsbelastninger anslås å nå 23,3 milliarder dollar, sammenlignet med 19 milliarder dollar for trening – første gang inferens overgår trening i AI-optimalisert IaaS .
• 2027: Inferensandelen forventes å utgjøre 59 % av AI-optimalisert IaaS-bruk, opp fra 55 % i 2026 .

Til sammenligning dominerte trening infrastrukturutgiftene i de første årene av den generative AI-boomen. Den dynamikken er nå fullstendig snudd .

Veksten er ikke begrenset til inferens. Totalt AI-optimalisert IaaS-bruk anslås å nå 42,3 milliarder dollar i 2026, en økning på 96,4 % fra 21,5 milliarder dollar i 2025. I 2027 ventes markedet å vokse ytterligere til 66,1 milliarder dollar, en økning på 56,5 % .

Samlet globalt IaaS-bruk (inkludert ikke-AI-arbeidsbelastninger) anslås å nå 287,3 milliarder dollar i 2026 (opp 29,3 % fra 222,2 milliarder dollar i 2025) og 359,9 milliarder dollar i 2027 .

Hvorfor skiftet skjedde: Agentisk AI og finsveisede modeller

Ifølge Gartner er det to krefter som driver inferensutgiftene forbi trening:

• Agentisk AI – autonome systemer som utfører flertrinns oppgaver – øker beregningsintensiteten dramatisk og gjør inferens til den dominerende forbruksmodellen .
• Finsveisede og domenespesifikke modeller (DSM) integreres i kundevendte og operative systemer, noe som krever kontinuerlig sanntidskjøring i stedet for periodiske treningssykluser .

Gartner-analytiker Hardeep Singh bemerket: «Dette skiftet akselererer skyforbruksmønstre og skaper vedvarende etterspørsel etter AI-optimalisert infrastruktur» .

Dette mønsteret bekreftes av andre analytikere. Deloittes Tech Trends 2026 anslår at inferens allerede utgjør to tredjedeler av all AI-beregning i 2026 . Futurum Groups uavhengige prognose viser at administrert inferens nådde 23,1 milliarder dollar i 2025 (58,6 % av infrastrukturbruken), der inferens overgikk trening allerede i 2025 .

Det større bildet for AI-utgifter

Gartners tall inngår i en mye større sammenheng:

• Globale AI-utgifter på tvers av alle kategorier anslås å totalt utgjøre 2,59 billioner dollar i 2026, en år-over-år-økning på 47 % .
• Hyperskaleringsaktører har annonsert over 500 milliarder dollar i samlede kapitalutgifter til AI-infrastruktur i 2026 .
• Den eksplosive veksten reflekterer at bedrifter beveger seg fra piloter til produksjon, der inferenskostnader blir den dominerende posten .

Til tross for raske kostnadsreduksjoner – Deloitte noterer at prisingen av inferens i sky-API har falt nesten 80 % år-over-år – eksploderer de totale utgiftene oppover fordi bruken vokser enda raskere enn enhetskostnadene synker .

Gartners advarsel: Risiko for budsjettsprekk

Gartner kom også med et advarende funn: minst 50 % av genAI-initiativene vil overskride de planlagte budsjettene innen 2028 på grunn av dårlige arkitektoniske valg og manglende operasjonell ekspertise .

Inferens er hovedårsaken. I motsetning til trening – en stor engangsutgift – oppstår inferenskostnader hver gang en bruker eller applikasjon kaller en modell. Gartner forventer at inferens vil utgjøre minst 70 % av en modells levetidskostnader .

Strategiske implikasjoner for CIOer

Gartner anbefaler følgende strategiske grep:

• Prioriter AI-infrastrukturinvesteringer rundt inferensarbeidsbelastninger, siden dette er hvor mesteparten av bruken og veksten er konsentrert .
• Unngå én-standard-arkitektur – den beste tilnærmingen avhenger av bruksområde, dataplassering, regulatoriske krav og kostnadsstruktur .
• Ta i bruk hybrid skymodeller for AI-distribusjon, og balanser fleksibilitet, kostnadskontroll og datasuverenitet. Gartners CIO Playbook 2026 fant at nesten to tredjedeler (62 %) av organisasjoner nå foretrekker hybrid som sin primære AI-distribusjonsmodell .
• Planlegg for vedvarende kostnadsvekst i stedet for å anta at synkende enhetspriser vil redusere totale regninger .

Hva dette betyr for bransjen

«Inferensskiftet» er ikke bare en statistikk over utgifter; det representerer en fundamental omstrukturering av AI-infrastrukturprioriteringer. Tiden med å bygge stadig større modeller som den primære kostnadsdriveren viker for tiden med å kjøre disse modellene i stor skala i produksjon. For skyleverandører betyr dette vedvarende etterspørsel etter GPU- og ASIC-kapasitet. For bedrifter betyr det at infrastrukturplanlegging nå må sentreres rundt de operative kostnadene ved AI, ikke bare den opprinnelige investeringen i modelltren ing.

Som Gartners rapport gjør klart, har skiftet fra utvikling til distribusjon ankommet, og budsjettpostene vil aldri se like ut igjen.